Numpy dot（）和数组转换性能优化

Question

我想知道是否有可能以某种方式在numpy的这部分代码中优化dotproduts和数组转换，根据分析器，这占用了我代码运行时间的95％。（我不想使用f2py，cython或pyOpenCl，我只是在学习如何有效地使用numpy）def evalSeriesInBasi(a,B):    Y   = dot(a,B[0])    dY  = dot(a,B[1])    ddY = dot(a,B[2])     return array([Y,dY,ddY])def evalPolarForces( R, O ):    # numexpr doest seem to help it takes 3,644 vs. 1.910 with pure numpy    G    = 1.0 / (R[0]**2)                     # Gravitational force    F_O  = R[0] * O[2]     + 2 * R[1] * O[1]   # Angular Kinematic Force = Angular engine thrust     F_R  = R[0] * O[1]**2  +     R[2]              FTR  = F_R - G                                 FT2  = F_O**2 + FTR**2                     # Square of Total engine Trust Force ( corespons to propelant consuption for power limited variable specific impulse engine)    return array([F_O,F_R,G,FTR, FT2]) def evalTrajectoryPolar( Rt0, Ot0, Bs, Rc, Oc ):    Rt = Rt0 +  evalSeriesInBasi(Rc,Bs)    Ot = Ot0 +  evalSeriesInBasi(Oc,Bs)    Ft = evalPolarForces( Rt, Ot )    return Ot, Rt, Ft其中“ B”是存储基本函数的形状（3,32,128）的数组，“ a”是这些基本函数的系数，并且所有其他数组（如Y，dY，ddY，F_O，F_R，G，FTR，FT2）都是值128个采样点的某些功能根据探查器，最多的时间是numpy.core.multiarray.array和numpy.core._dotblas.dot ncalls  tottime  percall  cumtime  percall filename:lineno(function)22970    2.969    0.000    2.969    0.000 {numpy.core.multiarray.array}46573    0.926    0.000    0.926    0.000 {numpy.core._dotblas.dot} 7656    0.714    0.000    2.027    0.000 basiset.py:61(evalPolarForces) 7656    0.224    0.000    0.273    0.000 OrbitalOptCos_numpyOpt.py:43(fitnesFunc) 7656    0.192    0.000    4.868    0.001 basiset.py:54(evalTrajectoryPolar)  116    0.141    0.001    5.352    0.046 optimize.py:536(approx_fprime) 7656    0.132    0.000    5.273    0.001 OrbitalOptCos_numpyOpt.py:63(evalFitness)15312    0.101    0.000    2.649    0.000 basiset.py:28(evalSeriesInBasi) 

Answer 1

怎么样：

def f3(a, B):

    r = np.dot(a, B)

    return np.rollaxis(r, 1)